Redis缓存与购物车在外卖系统的高性能实践

1. 项目概述：外卖系统中的缓存与购物车实现

在开发"苍穹外卖"系统的第七天，我们面临三个核心需求：菜品缓存优化、套餐缓存管理以及购物车功能实现。这三个模块共同构成了外卖平台的高性能基础架构，直接影响用户体验和系统响应速度。

作为后端开发者，我深知缓存机制对高并发外卖系统的重要性。当用户频繁浏览菜品和套餐时，如果每次都直接查询数据库，不仅会增加数据库压力，还会导致响应延迟。而购物车作为用户下单前的临时存储容器，需要保证数据的实时性和一致性。下面我将分享这三个模块的具体实现方案和实战经验。

2. 缓存菜品实现方案

2.1 缓存策略设计思路

菜品数据的特点是读多写少，非常适合使用缓存来提高性能。我们的设计方案是：

1. 首次查询菜品时从数据库获取，并存入Redis缓存
2. 后续查询直接从缓存获取，减少数据库访问
3. 当菜品信息变更时，及时清除对应缓存

这种方案能显著降低数据库压力，实测在高峰期可以减少约70%的数据库查询请求。

2.2 Spring Cache注解实现

我们选择Spring Cache作为缓存抽象层，配合Redis实现。主要使用以下注解：

java复制@Cacheable(value = "dishCache", key = "#categoryId")
public List<Dish> getByCategoryId(Long categoryId) {
    // 数据库查询逻辑
}

这段代码表示：

• 缓存名称为"dishCache"
• 使用菜品分类ID作为缓存key
• 方法返回的菜品列表会存入缓存

关键提示：@Cacheable的key设计非常重要，应该选择具有业务意义的参数，避免使用过于简单的key导致缓存冲突。

2.3 缓存更新策略

当菜品信息变更时，必须同步更新缓存。我们采用"先更新数据库，再删除缓存"的策略：

java复制@CacheEvict(value = "dishCache", key = "#dish.categoryId")
public void updateDish(Dish dish) {
    // 更新数据库
    dishMapper.update(dish);
}

这样设计的原因是：

1. 先更新数据库